人体属性识别数据集
人像属性检索常用于刑侦中为公安破案提供有效线索，提高破案速度。还可以在安全生产领域以及商业领域。
目前人像属性检索主要性能指标在人像属性识别精度上，虽然目前在公开数据集上达到了不错的成绩，但是由于实际场景的复杂多样性，地点随机，且光线、角度、姿态不同，再加上人体容易受到检测精度、遮挡等因素的影响，属性标签识别并不理想，实际应用中精度并不是很高。
【监控人体属性数据】推荐，提取包括人的生理特征（如性别、年龄、种族、发色）、头部穿戴饰物特征（眼镜、墨镜、帽子、口罩），人的衣着、人体朝向、人的附属物信息（是否背包、拧包、打伞），以及人体类型、遮挡情况、模糊程度等特征，进行结构化描述，有效提高识别精度。
210188框 监控人体属性数据
数据规格：
数据量：210188 框
采集环境：室内、室外，其中商场 132555 框，广场 10615 框，街道 67018 框。室内场景包括商场等真实场景，室外场景包括普通街道、商场门口真实场景。
拍摄设备：1080P 监控摄像头
拍摄方位：真实监控场景，摄像头角度 20°~60°，高度 2.5-7 米 人员分布
人员类型：行人 184460 框，骑车人 25713 框
性别分布：男性 83976 框，女性 126132
年龄分布：婴儿、小孩、学生、青年、中年、老年婴儿特指无法走路，还在手推车里的小孩(0 岁-3 岁)，1885 框 小孩指 10 岁以下(4 岁-10 岁)，26885 框 学生指初高中（11 岁-18 岁），22263 框 青年指大学生以上（19 岁-40 岁），114772 框 中年（41 岁-60 岁），38403 框 老年（60 岁以上），5951 框
数据格式：jpg，json
标注内容：
-
标注站着、坐着、蹲着、躺着、抱小孩、背小孩、容器（购物车、婴儿车）中的小孩、走着的人、骑车人、推车和拉杆箱。
-
标注对象遇到被遮挡情况，按预估标注完整框；遇到被截断情况，标注可见区域。
-
上衣类型属性、附属物属性为复选（比如毛衣上披了披肩、同时背双肩包和斜挎包等），其 余属性均为单选。
-
边界框与标注对象边界误差在 5 个像素内。
-
全身属性说明：“全身”属性为 yes 时，表示从上衣到脚为一件衣服（类似医生的白大 褂），其余情况全身属性均为 no（连衣裙等到膝盖的也不算全身）。
-
“其他”说明：“其他”表示该属性清晰可见，但是不属于列表中明细的任何一类。
-
“不明确”说明：“不明确”表示该属性不可见或者看不清无法判断。
-
各种属性按照实际情况进行标注，因此属性中各项明细不能完全均匀分布。
注：数据集中并没有对全部出现的人体进行标注，只标注了部分人体，总框数 210188 框。颜 色属性由于不同显示器的显示效果不同，可能会有小幅出入。
属性列表：
类型：行人、骑车人
遮挡：完全未遮挡、部分遮挡、大部分遮挡（完全未遮挡（0%） 部分遮挡（0%~20%） 大部分遮挡（20%~50%）；）
截断：完全未截断、部分截断、大部分截断（完全未截断（0%） 部分截断（0%~20%） 大部分截断（20%~50%））
人脸是否能看清：是、否
身体朝向：正面、背面、左侧（包括左前、左后）、右侧（包括右前、右后）、不明确，具体朝向以标注人员视角为准
发型：光头、短发、长发、戴帽子、不明确（头发在耳朵垂以上才算短发，头发在耳朵垂以下的全是长发）
眼镜：无眼镜、透明眼镜（包括只佩戴镜框）、墨镜（包括有色眼镜）、不明确
佩戴口罩：佩戴口罩、不佩戴口罩、不明确
性别：男、女
年龄：婴儿、小孩、学生、青年、中年、老年
人种：亚洲人、白人、黑人、不明确
全身：是、否
上衣类型：户外外套、西装外套、毛衣、t 恤、衬衫、连帽衫、无袖上衣、披肩、其他、不 明确
上衣颜色：黑、白、灰、橙、黄、绿、青（蓝绿色）、蓝、紫、洋红（红偏粉）、红、棕、其它（其它颜色）、不明确
上衣纹理：纯色、条纹、格子、大色块（主要颜色占大部分）其它（其他纹理）、不明确
下衣类型：下衣类型：长裤、短裤、长裙、短裙（以膝盖为界）、不明确
下衣颜色：黑、白、灰、橙、黄、绿、青、蓝、紫、洋红、红、棕、其它（其它颜色）、不明确
下衣纹理：纯色、条纹、格子、大色块、其它（其它纹理）、不明确
鞋子：皮鞋（男士、女士皮鞋、女士瓢鞋）、休闲鞋（包括运动鞋、布鞋）、靴子（包括长短靴、雨靴）、凉鞋（包括女士高跟凉鞋、拖鞋）、其它、不明确
鞋子颜色：黑、白、灰、橙、黄、绿、青、蓝、紫、洋红、红、棕、其它（其它颜色）、不明确
附属物：无、双肩包、手拎包、斜挎包、拉杆箱、推车、雨伞、其它。
质量要求：人体框标注准确率 95%以上 人体属性标注准确率 95%以上
数据链接：https://www.datatang.com/dataset/info/image/966